Multi-Agenten-Pfadplanung (MAPF) ist für Robotik und autonome Systeme entscheidend, aber optimale Lösungen sind oft rechenintensiv. Inflated M* adressiert dies durch die Kombination von subdimensionaler Expansion mit heuristischer Inflation, was beschränkt suboptimale Lösungen mit deutlich reduzierter Rechenleistung ermöglicht. Der Algorithmus erweitert den Suchraum nur in relevanten Dimensionen und bläht Heuristiken auf, um weniger vielversprechende Pfade zu beschneiden, und stellt sicher, dass Lösungen innerhalb eines benutzerdefinierten Optimalitätsfaktors liegen. Dies macht ihn für Echtzeitanwendungen geeignet, bei denen keine exakte Optimalität erforderlich ist. Der Artikel bietet eine detaillierte Erklärung der Algorithmusmechanik, einschließlich theoretischer Garantien und praktischer Implementierungsaspekte. Für Forscher und Ingenieure, die an Multi-Roboter-Koordination arbeiten, bietet Inflated M* ein vielversprechendes Werkzeug für skalierbare Pfadplanung.
Ein neuer Algorithmus für die Multi-Agenten-Pfadplanung, der Optimalität und Rechenaufwand ausgleicht.